语言信号词分析在英语阅读教学中的作用

语言信号词是语篇理论的重要组成部分,是文章连句成段、连段成篇的必要条件。在英语阅读教学中重视语言信号词的讲解与分析,有助于学生厘清句子与句子之间、段落与段落之间的层次、逻辑关系,把握全文主旨,猜测个中细节,预测下文内容,提高阅读速度,是需要加强训练的一种重要的阅读技能。     

格值命题逻辑系统Lvpl中的推理规则

为描述取小、多重推理、多维推理等实际推理方法，在格值命题逻辑系统Lvpl中，引入了几类相应的推理规则．这些推理规则由语法和语义两部分组成，且在两部分之间存在一定的协调水平．证明了对于适当的语法语义协调水平，当Lvpl的公式集的L型模糊集为同态映射时，它们关于这几类推理规则都在一定程度上封闭.     

建立空间信息语义网格

针对空间信息系统对信息语义的特殊要求，提出了利用本体和LDAP目录服务构造空间信息语义网格的基本方法．通过该方法，把各个分布异构的GIS节点用本体封装起来，对外显示基于本体的界面；然后通过语义推理，建立不同本体系统之间的语义关系；最后通过不同节点之间的语义关系投影到LDAP目录服务中实现地理信息系统的集成，从而建立了一个基于语义的空间信息语义网格系统，使用户可以透明和准确地访问空间信息网格系统提供的空间信息资源和服务．     

英汉句法歧义结构对比

句法歧义是英汉语言运用过程中的一种普遍现象,也是一种复杂的语言现象,主要是指由句子成分的不同组合方式而产生的歧义。多层修饰结构、语义关系不同都可以引起歧义。英汉句法歧义的对比与研究给教学、交际、翻译等都会带来较大帮助。     

基于领域本体模型的概念语义相似度计算研究

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为本体研究的一大热点。目前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。本文首先在本体模型的基础上提出领域本体模型的八元组表示方法和领域本体概念的九元组表示方法,给出领域本体模型的DCG图。然后以提出领域本体模型为基础构建概念语义相似度计算的MD4模型,该模型全面考虑概念的属性、上下位语义结构关系、自定义语义关系和实例特征对相似度的影响,通过综合计算,得到领域本体中概念的实际相似度。本文最后以动车组专业本体作为实验对象,对MD4模型进行验证。实验结果表明,该计算模型充分利用概念的语义信息,得到的结果也比较合理。     

用数据挖掘和本体实现空间信息系统语义互操作

介绍了一种利用数据挖掘和本体实现信息系统互操作的新方法．该方法通过基于本体的逻辑推理实现概念语义在不同空间信息系统之间的转换，利用数据挖掘技术从候选集合中确定转换集合并将操作的结果返回给用户，从而完成空间信息系统的互操作，提高了空间信息系统互操作的鲁棒性和伸缩性．     

Adopting Context Mediation in Information Integration to Resolve Semantic Heterogeneity in Distributed Environment

Ontology-based semantic information integration resolve the schema-level heterogeneity and part of data level heterogeneity between distributed data sources. But it is ubiquitous that schema semantics of information is identical while the interpretation of it varies with different context, and ontology-based semantic information integration can not resolve this context heterogeneity. By introducing context representation and context mediation to ontology based information integration, the attribute-level context heterogeneity can be detected and reconciled automatically, and hence a complete solution for semantic heterogeneity is formed. Through a concrete example, the context representation and the process in which the attribute-level context heterogeneity is reconciled during query processing are presented. This resolution can make up the deficiency of schema mapping based semantic information integration. With the architecture proposed in this paper the semantic heterogeneity solution is adaptive and extensive.     

语义网技术及其在军事领域应用研究

语义网是一种智慧的信息表示方式,它为计算机理解知识,进行逻辑推理提供支持,使得人与计算机之间的交互变得更加简单高效。本文介绍语义网的发展和技术体系,并以语义网技术在军事领域中的应用为例介绍其发挥的重要作用,通过语义网技术的研究热点说明未来语义网技术的发展方向,最后以海战场为例,介绍语义网技术在海战场信息共享和互操作中发挥的重要作用。     

基于语料库的英语中程度副词语义韵对比研究

采用基于语料库的"中介语对比分析法",分别以中国学习者英语语料库(CLEC)和由Mark Davies 开发的BYU-BNC①语料库为基础,利用WordSmith Tools,以节点词rather和quite为例,将两个语料库中显著形容词搭配词的语义特征进行对比分析,调查中国英语学习者在书面语中程度副词与形容词搭配时所呈现出的语义韵特征.研究结果表明,中国大学生在程度副词搭配方面所呈现出的语义韵特征与本族语者的使用惯例之间有显著差异,可归纳为三个特征:1.典型搭配使用频率较低,且随意性较大;2. 语义韵冲突,不和谐;3. 词语搭配类型偏少,语义范围狭窄.     

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法. 首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对. 实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法（55.77%）和模式匹配方法（61.95%）.